Humans have long held a fascination for the human brain. We chart it, we've described it, we've drawn it, we've mapped it. Now just like the physical maps of our world that have been highly influenced by technology -- think Google Maps, think GPS -- the same thing is happening for brain mapping through transformation.
Les humains ont longtemps été fascinés par le cerveau humain. Nous l'avons mis en tableau, nous l'avons décrit, nous l'avons dessiné, nous l'avons cartographié. Maintenant, tout comme les cartes physiques de notre monde qui ont été fortement influencées par la technologie - pensez à Google Maps, pensez au GPS - la même chose se passe pour la cartographie du cerveau grâce à la transformation.
So let's take a look at the brain. Most people, when they first look at a fresh human brain, they say, "It doesn't look what you're typically looking at when someone shows you a brain." Typically, what you're looking at is a fixed brain. It's gray. And this outer layer, this is the vasculature, which is incredible, around a human brain. This is the blood vessels. 20 percent of the oxygen coming from your lungs, 20 percent of the blood pumped from your heart, is servicing this one organ. That's basically, if you hold two fists together, it's just slightly larger than the two fists.
Alors examinons le cerveau. La plupart des gens, quand il regardent pour la première fois un cerveau humain frais, se disent, "Ça ne ressemble pas à ce qu'on voit généralement quand quelqu'un vous montre un cerveau. " Typiquement, ce que vous voyez est un cerveau fixé. Il est gris. Et cette couche externe, c'est le système vasculaire, qui est incroyable, autour d'un cerveau humain. Ce sont les vaisseaux sanguins. 20 pour cent de l'oxygène provenant de vos poumons, 20 pour cent du sang pompé par votre coeur, sont au service de cet organe unique. C'est en gros, si vous mettez les deux poings ensemble, c'est à peine un peu plus grande que les deux poings.
Scientists, sort of at the end of the 20th century, learned that they could track blood flow to map non-invasively where activity was going on in the human brain. So for example, they can see in the back part of the brain, which is just turning around there. There's the cerebellum; that's keeping you upright right now. It's keeping me standing. It's involved in coordinated movement. On the side here, this is temporal cortex. This is the area where primary auditory processing -- so you're hearing my words, you're sending it up into higher language processing centers. Towards the front of the brain is the place in which all of the more complex thought, decision making -- it's the last to mature in late adulthood. This is where all your decision-making processes are going on. It's the place where you're deciding right now you probably aren't going to order the steak for dinner.
Les scientifiques, vers la fin du 20ème siècle, ont appris qu'ils pouvaient suivre le flux sanguin pour cartographier de manière non invasive où se produisait l'activité dans le cerveau humain. Ainsi, par exemple, ils peuvent voir dans la partie arrière du cerveau, qui se trouve exactement ici. Il y a le cervelet ; c'est lui qui vous permet de tenir debout en ce moment-même. Il me permet de tenir debout. Il est impliqué dans la coordination des mouvements. Sur le côté ici, c'est le cortex temporal. C'est la zone où le traitement auditif primaire - vous entendez ce que je dis, vous l'envoyez jusqu'aux centres supérieurs de traitement du langage. Vers l'avant du cerveau c'est là que toute la pensée plus complexe, la prise de décision - c'est le dernier à parvenir à maturité tard dans l'âge adulte. C'est là que tous vos processus de décision se passent. C'est l'endroit où vous décidez maintenant que vous n'allez probablement pas commander du steak pour le diner.
So if you take a deeper look at the brain, one of the things, if you look at it in cross-section, what you can see is that you can't really see a whole lot of structure there. But there's actually a lot of structure there. It's cells and it's wires all wired together. So about a hundred years ago, some scientists invented a stain that would stain cells. And that's shown here in the the very light blue. You can see areas where neuronal cell bodies are being stained. And what you can see is it's very non-uniform. You see a lot more structure there. So the outer part of that brain is the neocortex. It's one continuous processing unit, if you will. But you can also see things underneath there as well. And all of these blank areas are the areas in which the wires are running through. They're probably less cell dense. So there's about 86 billion neurons in our brain. And as you can see, they're very non-uniformly distributed. And how they're distributed really contributes to their underlying function. And of course, as I mentioned before, since we can now start to map brain function, we can start to tie these into the individual cells.
Donc, si vous regardez le cerveau de plus près, l'une des choses, si vous le regardez en section transversale, ce que vous pouvez voir est que vous ne pouvez pas vraiment y voir beaucoup de structures. Mais en réalité, il y a beaucoup de structures. Ce sont des cellules et des connexions toutes reliées ensembles. Il y a environ une centaine d'années, des scientifiques ont inventé un colorant qui teintait des cellules. Et vous le voyez ici en bleu très clair. Vous pouvez voir les zones où les corps cellulaires normaux sont teintés. Et vous pouvez voir que ce n'est pas du tout homogène. Vous y voyez beaucoup plus de structures. Donc, la partie externe de ce cerveau est le néocortex. C'est une unité de traitement en continu, si vous voulez. Mais vous pouvez aussi voir des choses en-dessous. Et toutes ces zones vides sont les zones dans lesquelles passent les connexions. Elles sont probablement moins denses en cellules . Il y a environ 86 milliards de neurones dans notre cerveau. Et comme vous pouvez le voir, ils ne sont pas du tout répartis uniformément . Et la façon ils sont répartis contribue vraiment à leur fonction sous-jacente. Et bien sûr, comme je l'ai mentionné précédemment, puisque nous pouvons maintenant commencer à cartographier le fonctionnement du cerveau, nous pouvons commencer à lier celles-ci aux cellules individuelles.
So let's take a deeper look. Let's look at neurons. So as I mentioned, there are 86 billion neurons. There are also these smaller cells as you'll see. These are support cells -- astrocytes glia. And the nerves themselves are the ones who are receiving input. They're storing it, they're processing it. Each neuron is connected via synapses to up to 10,000 other neurons in your brain. And each neuron itself is largely unique. The unique character of both individual neurons and neurons within a collection of the brain are driven by fundamental properties of their underlying biochemistry. These are proteins. They're proteins that are controlling things like ion channel movement. They're controlling who nervous system cells partner up with. And they're controlling basically everything that the nervous system has to do.
Regardons de plus près. Regardons les neurones. Comme je l'ai mentionné, il y a 86 milliards de neurones. Il y a aussi ces cellules plus petites comme vous le verrez. Ce sont des cellules de soutien - des glies astrocytes. Et les nerfs eux-mêmes sont ceux qui reçoivent les informations. Ils les stockent, ils les traitent. Chaque neurone est connecté via les synapses jusqu'à 10 000 autres neurones dans votre cerveau. Et chaque neurone lui-même est largement unique. Le caractère unique des neurones individuels et des neurones dans une région du cerveau découle des propriétés fondamentales de leur biochimie sous-jacente. Voici des protéines. Ce sont des protéines qui contrôlent les choses telles que le mouvement des canaux ioniques. Elles contrôlent avec qui les cellules du système nerveux s'associent. Et elles contrôlent essentiellement tout ce que le système nerveux doit faire.
So if we zoom in to an even deeper level, all of those proteins are encoded by our genomes. We each have 23 pairs of chromosomes. We get one from mom, one from dad. And on these chromosomes are roughly 25,000 genes. They're encoded in the DNA. And the nature of a given cell driving its underlying biochemistry is dictated by which of these 25,000 genes are turned on and at what level they're turned on.
Donc, si on fait un zoom à un niveau encore plus profond, toutes ces protéines sont codées par nos génomes. Nous avons chacun 23 paires de chromosomes. Nous en obtenons un de maman, un de papa. Et sur ces chromosomes il y a environ 25 000 gènes. Ils sont codés dans l'ADN. Et la nature d'une cellule donnée qui induit sa biochimie sous-jacente est dictée par ceux de ces 25 000 gènes qui sont activés, et à quel niveau ils le sont.
And so our project is seeking to look at this readout, understanding which of these 25,000 genes is turned on. So in order to undertake such a project, we obviously need brains. So we sent our lab technician out. We were seeking normal human brains. What we actually start with is a medical examiner's office. This a place where the dead are brought in. We are seeking normal human brains. There's a lot of criteria by which we're selecting these brains. We want to make sure that we have normal humans between the ages of 20 to 60, they died a somewhat natural death with no injury to the brain, no history of psychiatric disease, no drugs on board -- we do a toxicology workup. And we're very careful about the brains that we do take. We're also selecting for brains in which we can get the tissue, we can get consent to take the tissue within 24 hours of time of death. Because what we're trying to measure, the RNA -- which is the readout from our genes -- is very labile, and so we have to move very quickly.
Et donc notre projet consiste à essayer de regarder ce relevé, et à comprendre lequel de ces 25 000 gènes est activé. Alors afin d'entreprendre un tel projet, nous avons évidemment besoin de cerveaux. Nous avons donc envoyé notre technicien de laboratoire en mission. Nous cherchions des cerveaux humains normaux. Nous avons en fait commencé par le cabinet d'un médecin légiste. C'est un endroit où on amène les morts. Nous recherchons des cerveaux humains normaux. Il y a beaucoup de critères pour notre sélection de ces cerveaux. Nous voulons nous assurer que nous avons des humains normaux âgés de 20 à 60 ans, qu'ils sont morts d'une mort naturelle sans blessure au cerveau, ni d'antécédents de maladie psychiatrique, pas de drogues - nous faisons un bilan toxicologique. Et nous sommes très prudents dans le choix du cerveau que nous prenons. Nous sélectionnons aussi des cerveaux sur lesquels nous pouvons prélever les tissus, nous pouvons obtenir le consentement de prendre le tissu dans les 24 heures après la mort. Parce que ce que nous essayons de mesurer, l'ARN - qui est le relevé de nos gènes - est très volatile, et donc nous devons aller très vite.
One side note on the collection of brains: because of the way that we collect, and because we require consent, we actually have a lot more male brains than female brains. Males are much more likely to die an accidental death in the prime of their life. And men are much more likely to have their significant other, spouse, give consent than the other way around.
Une note corollaire sur la collecte de cerveaux : en raison de la façon dont nous les recueillons, et parce que nous exigeons le consentement, nous avons beaucoup plus de cerveaux d'hommes que de femmes. Les hommes sont beaucoup plus susceptibles de mourir d'une mort accidentelle dans la fleur de l'âge. Et les hommes sont beaucoup plus susceptibles de voir leur partenaire, leur épouse, donner son consentement que l'inverse.
(Laughter)
(Rires)
So the first thing that we do at the site of collection is we collect what's called an MR. This is magnetic resonance imaging -- MRI. It's a standard template by which we're going to hang the rest of this data. So we collect this MR. And you can think of this as our satellite view for our map. The next thing we do is we collect what's called a diffusion tensor imaging. This maps the large cabling in the brain. And again, you can think of this as almost mapping our interstate highways, if you will. The brain is removed from the skull, and then it's sliced into one-centimeter slices. And those are frozen solid, and they're shipped to Seattle. And in Seattle, we take these -- this is a whole human hemisphere -- and we put them into what's basically a glorified meat slicer. There's a blade here that's going to cut across a section of the tissue and transfer it to a microscope slide. We're going to then apply one of those stains to it, and we scan it. And then what we get is our first mapping.
Donc la première chose que nous faisons sur le lieu de la collecte est que nous recueillons ce qu'on appelle une IRM. C'est l'imagerie par résonance magnétique - IRM. C'est un modèle standard auquel nous allons relier le reste de ces données. Nous recueillons donc cette IRM. Vous pouvez la considérer comme la vue satellite de notre carte. Ce que nous faisons ensuite, c'est que nous recueillons ce qu'on appelle une imagerie du tenseur de diffusion. Cela établit la carte du gros câblage du cerveau. Là aussi, vous pouvez considérer cela presque comme la cartographie de nos autoroutes, si vous voulez. Le cerveau est retiré de la boîte crânienne, et puis on le coupe en tranches d'un centimètre. Et on les congèle, on les expédie à Seattle. Et à Seattle, nous prenons ces - il s'agit d'un hémisphère humain entier - et nous les mettons dans ce qui est en gros une trancheuse à viande améliorée. Il y a une lame ici qui va découper une section du tissu et le transférer sur une lame de microscope. Nous allons ensuite lui appliquer l'un de ces colorants, et nous allons le scanner. Ce que nous obtenons alors est notre première carte.
So this is where experts come in and they make basic anatomic assignments. You could consider this state boundaries, if you will, those pretty broad outlines. From this, we're able to then fragment that brain into further pieces, which then we can put on a smaller cryostat. And this is just showing this here -- this frozen tissue, and it's being cut. This is 20 microns thin, so this is about a baby hair's width. And remember, it's frozen. And so you can see here, old-fashioned technology of the paintbrush being applied. We take a microscope slide. Then we very carefully melt onto the slide. This will then go onto a robot that's going to apply one of those stains to it. And our anatomists are going to go in and take a deeper look at this.
C'est là que les experts interviennent et qu'ils effectuent les répartitions anatomiques de base. Vous pouvez voir ça comme les frontières des états, si vous voulez, ces contours assez large. A partir de ça, nous sommes ensuite capables de fragmenter ce cerveau en plus petits morceaux, que nous pouvons alors mettre sur un petit cryostat. Et c'est ce qu'on voit justement ici, ce tissu congelé, et on le découpe. Ceci n'a que 20 microns d'épaisseur, c'est à peu près la largeur d'un cheveu de bébé. Et rappelez-vous, c'est congelé. Vous pouvez voir ici, on applique l'ancienne technologie du pinceau. On prend une lame de microscope. On la fait fondre très soigneusement sur la lame. Ce ira ensuite dans un robot qui va lui appliquer l'une de ces colorants. Nos anatomistes vont intervenir et regarder ça de plus près.
So again this is what they can see under the microscope. You can see collections and configurations of large and small cells in clusters and various places. And from there it's routine. They understand where to make these assignments. And they can make basically what's a reference atlas. This is a more detailed map.
Là encore, c'est ce qu'ils peuvent voir au microscope. Vous pouvez voir les assemblages et les configurations de grandes et petites cellules en grappes et dans des endroits différents. Et à partir de là, c'est la routine. Ils savent où faire cette répartition. Et ils peuvent créer ce qui est en gros un atlas de référence. Voici une carte plus détaillée.
Our scientists then use this to go back to another piece of that tissue and do what's called laser scanning microdissection. So the technician takes the instructions. They scribe along a place there. And then the laser actually cuts. You can see that blue dot there cutting. And that tissue falls off. You can see on the microscope slide here, that's what's happening in real time. There's a container underneath that's collecting that tissue. We take that tissue, we purify the RNA out of it using some basic technology, and then we put a florescent tag on it. We take that tagged material and we put it on to something called a microarray.
Nos scientifiques l'utilisent ensuite pour revenir à un autre morceau de ce tissu et faire ce qu'on appelle une microdissection à balayage laser . Le technicien prend les instructions. Elles sont écrite quelque part ici. Et puis le laser coupe réellement. Vous pouvez voir ce point bleu de coupe. Et ce tissu tombe. Vous pouvez le voir sur la lame du microscope ici, c'est ce qui se passe en temps réel. Il y a un récipient en dessous qui reçoit ce tissu. Nous prenons ce tissu, nous le purifions de son ARN en utilisant une technologie de base, puis nous lui appliquons un marqueur fluorescent. Nous prenons ce matériau marqué et nous lui appliquons ce qu'on appelle un microréseau.
Now this may look like a bunch of dots to you, but each one of these individual dots is actually a unique piece of the human genome that we spotted down on glass. This has roughly 60,000 elements on it, so we repeatedly measure various genes of the 25,000 genes in the genome. And when we take a sample and we hybridize it to it, we get a unique fingerprint, if you will, quantitatively of what genes are turned on in that sample.
Cela peut ressembler à un paquet de points pour vous, mais chacun de ces points est en fait un élément unique du génome humain que nous avons repéré sur le verre. Il y a à peu près 60 000 éléments là-dessus, alors nous mesurons à plusieurs reprises différents gènes parmi les 25 000 gènes du génome. Et quand on prend un échantillon et qu'on l'hybride sur lui-même, nous obtenons une empreinte unique, si vous voulez, de la quantité des gènes qui sont activés dans cet échantillon.
Now we do this over and over again, this process for any given brain. We're taking over a thousand samples for each brain. This area shown here is an area called the hippocampus. It's involved in learning and memory. And it contributes to about 70 samples of those thousand samples. So each sample gets us about 50,000 data points with repeat measurements, a thousand samples.
Nous refaisons cela encore et encore, ce processus, pour tous les cerveaux. Nous prenons plus d'un millier d'échantillons pour chaque cerveau. La zone que vous voyez ici s'appele l'hippocampe. Il est impliqué dans l'apprentissage et la mémoire. Et il fournit environ 70 échantillons parmi les milliers. Ainsi chaque échantillon nous procure environ 50 000 points de données avec des mesures répétées, un millier d'échantillons.
So roughly, we have 50 million data points for a given human brain. We've done right now two human brains-worth of data. We've put all of that together into one thing, and I'll show you what that synthesis looks like. It's basically a large data set of information that's all freely available to any scientist around the world. They don't even have to log in to come use this tool, mine this data, find interesting things out with this. So here's the modalities that we put together. You'll start to recognize these things from what we've collected before. Here's the MR. It provides the framework. There's an operator side on the right that allows you to turn, it allows you to zoom in, it allows you to highlight individual structures.
Donc en gros, nous avons 50 millions de points de données pour un cerveau humain donné. Nous en sommes maintenant à l'équivalent des données de deux cerveaux humains. Nous avons mis tout cela ensemble, regroupé en un seul, et je vais vous montrer ce à quoi la synthèse ressemble. C'est essentiellement un vaste ensemble de données d'informations qui est disponible gratuitement pour tout chercheur dans le monde. Ils n'ont même pas à se connecter pour venir utiliser cet outil, puiser dans ces données, y trouver des choses intéressantes. Voici les conditions que nous y mettons. Vous allez commencer à reconnaître des choses à partir de ce que nous avons recueilli auparavant. Voici l'IRM. Elle fournit le cadre de référence. Il y a une fenêtre de contrôle sur le côté droit qui vous permet de faire pivoter, qui vous permet de zoomer, qui vous permet de mettre en évidence des structures individuelles.
But most importantly, we're now mapping into this anatomic framework, which is a common framework for people to understand where genes are turned on. So the red levels are where a gene is turned on to a great degree. Green is the sort of cool areas where it's not turned on. And each gene gives us a fingerprint. And remember that we've assayed all the 25,000 genes in the genome and have all of that data available.
Mais le plus important, c'est que nous cartographions maintenant dans ce cadre anatomique, qui est un cadre commun pour que les gens comprennent où les gènes sont activés. Les niveaux rouges sont l'endroit où un gène est activé au plus haut degré. Le vert est un genre d'îlot de fraîcheur, où il n'y en a pas d'activé. Et chaque gène nous donne une empreinte digitale. Et n'oubliez pas que nous avons testés la totalité des 25 000 gènes du génome et que nous avons toutes ces données disponibles.
So what can scientists learn about this data? We're just starting to look at this data ourselves. There's some basic things that you would want to understand. Two great examples are drugs, Prozac and Wellbutrin. These are commonly prescribed antidepressants. Now remember, we're assaying genes. Genes send the instructions to make proteins. Proteins are targets for drugs. So drugs bind to proteins and either turn them off, etc. So if you want to understand the action of drugs, you want to understand how they're acting in the ways you want them to, and also in the ways you don't want them to. In the side effect profile, etc., you want to see where those genes are turned on. And for the first time, we can actually do that. We can do that in multiple individuals that we've assayed too.
Que peuvent apprendre les scientifiques sur ces données ? Nous commençons tout juste à regarder ces données nous-mêmes. Il y a des choses basiques que l'on voudrait comprendre. Deux très bons exemples en sont des médicaments, le Prozac et le Wellbutrin. Ce sont des antidépresseurs couramment prescrits. Rappelez-vous, nous testons les gènes. Les gènes envoyent les instructions pour fabriquer des protéines. Les protéines sont des cibles pour les médicaments. Alors les médicaments se lient aux protéines et soit les désactivent, etc. Donc, si vous voulez comprendre l'action des médicaments, vous devez comprendre comment ils agissent comme vous le voulez, mais aussi comme vous ne le voudriez pas. Dans le schémas des effets secondaires, etc, vous voulez voir où ces gènes sont activés. Et pour la première fois, nous pouvons réellement le faire. Nous pouvons le faire dans plusieurs individus que nous avons testés aussi.
So now we can look throughout the brain. We can see this unique fingerprint. And we get confirmation. We get confirmation that, indeed, the gene is turned on -- for something like Prozac, in serotonergic structures, things that are already known be affected -- but we also get to see the whole thing. We also get to see areas that no one has ever looked at before, and we see these genes turned on there. It's as interesting a side effect as it could be. One other thing you can do with such a thing is you can, because it's a pattern matching exercise, because there's unique fingerprint, we can actually scan through the entire genome and find other proteins that show a similar fingerprint. So if you're in drug discovery, for example, you can go through an entire listing of what the genome has on offer to find perhaps better drug targets and optimize.
Donc maintenant nous pouvons regarder dans tout le cerveau. Nous pouvons voir cette empreinte unique. Et nous obtenons la confirmation. Nous obtenons la confirmation que, en effet, le gène est activé - pour quelque chose dans le genre du Prozac, dans les structures sérotoninergiques, des choses qu'on sait être déjà affectées, mais nous avons aussi la chance d'avoir une vue d'ensemble. Nous pouvons aussi voir les zones que personne n'avait jamais vu avant, et nous voyons ces gènes activés à cet endroit. C'est ce qu'on peut avoir de plus intéressant comme effet secondaire. Ce que vous pouvez faire d'autre avec ça, c'est que vous pouvez, parce que c'est un exercice d'association de schémas, parce qu'il y a des empreintes uniques, nous pouvons réellement parcourir l'ensemble du génome et trouver d'autres protéines qui montrent une empreinte similaire. Si vous êtes dans la recherche sur les médicaments, par exemple, vous pouvez passer en revue une liste complète de ce que ce génome a à offrir pour trouver peut-être de meilleures cibles au médicament, et l'améliorer.
Most of you are probably familiar with genome-wide association studies in the form of people covering in the news saying, "Scientists have recently discovered the gene or genes which affect X." And so these kinds of studies are routinely published by scientists and they're great. They analyze large populations. They look at their entire genomes, and they try to find hot spots of activity that are linked causally to genes. But what you get out of such an exercise is simply a list of genes. It tells you the what, but it doesn't tell you the where. And so it's very important for those researchers that we've created this resource. Now they can come in and they can start to get clues about activity. They can start to look at common pathways -- other things that they simply haven't been able to do before.
La plupart d'entre avez probablement déjà entendu parler des études d'associations pangénomiques par l'intermédiaire des présentateurs de journaux qui disent : «Les scientifiques ont récemment découvert le gène ou les gènes qui affectent X. " Ce genre d'étude est régulièrement publiée par des scientifiques et elles sont géniales. Ils analysent des populations importantes. Ils regardent leurs génomes entiers, et ils essaient de trouver les points chauds d'activité qui sont liés causalement à des gènes. Mais ce que vous retirez d'un tel exercice est simplement une liste de gènes. Cela vous indique de quoi il s'agit, mais ça ne vous dit pas où ça se trouve. Et il est donc très important pour ces chercheurs que nous ayons créé cette ressource. Maintenant ils peuvent intervenir et ils peuvent commencer à obtenir des indices sur l'activité. Ils peuvent commencer à regarder les voies communes - d'autres voies qu'ils n'avaient tout simplement pas pu étudier auparavant.
So I think this audience in particular can understand the importance of individuality. And I think every human, we all have different genetic backgrounds, we all have lived separate lives. But the fact is our genomes are greater than 99 percent similar. We're similar at the genetic level. And what we're finding is actually, even at the brain biochemical level, we are quite similar. And so this shows it's not 99 percent, but it's roughly 90 percent correspondence at a reasonable cutoff, so everything in the cloud is roughly correlated. And then we find some outliers, some things that lie beyond the cloud. And those genes are interesting, but they're very subtle. So I think it's an important message to take home today that even though we celebrate all of our differences, we are quite similar even at the brain level.
Je pense que ce public en particulier, peut comprendre l'importance de l'individualité. Et je pense que chaque être humain, nous avons tous des patrimoines génétiques différents, nous avons tous vécu des vies séparées. Mais le fait est que nos génomes sont à plus de 99 pour cent similaires. Nous sommes semblables au niveau génétique. Et ce que nous constatons c'est qu'en réalité, même au niveau biochimique du cerveau , nous sommes tout à fait semblables. Cela montre que ce n'est pas à 99 pour cent, mais c'est à peu près à 90 pour cent de correspondance avec une marge raisonnable, donc tout dans le nuage est à peu près corrélé. Et puis nous trouvons quelques valeurs aberrantes, certaines choses qui se situent en dehors du nuage. Et ces gènes sont intéressants, mais ils sont très subtils. Je pense que c'est un message important à emporter avec vous aujourd'hui : même si nous célébrons toutes nos différences, nous sommes tout à fait semblables même au niveau du cerveau.
Now what do those differences look like? This is an example of a study that we did to follow up and see what exactly those differences were -- and they're quite subtle. These are things where genes are turned on in an individual cell type. These are two genes that we found as good examples. One is called RELN -- it's involved in early developmental cues. DISC1 is a gene that's deleted in schizophrenia. These aren't schizophrenic individuals, but they do show some population variation. And so what you're looking at here in donor one and donor four, which are the exceptions to the other two, that genes are being turned on in a very specific subset of cells. It's this dark purple precipitate within the cell that's telling us a gene is turned on there. Whether or not that's due to an individual's genetic background or their experiences, we don't know. Those kinds of studies require much larger populations.
A quoi ces différences ressemblent-elles ? Ceci est un exemple d'une étude que nous avons faite pour suivre et voir ce que ces différences étaient exactement - et elles sont assez subtiles. C'est un cas où les gènes sont activés dans un type cellulaire particulier. Ce sont deux gènes que nous avons trouvé être de bons exemples. L'une est appelée RELN - il est impliqué dans les premiers signaux du développement. DISC1 est un gène qui est supprimé dans la schizophrénie. Ces individus ne sont pas schizophrènes, mais ils montrent une certaine variation par rapport à la population générale. Ce que vous voyez ici chez le donneur 1 et le donneur 4, qui sont très différents deux autres, c'est que des gènes sont activés dans un sous-ensemble très spécifique de cellules. C'est ce précipité violet foncé dans la cellule qui nous dit qu'un gène est activé ici. Que ce soit dû ou pas au patrimoine génétique d'un individu ou à ses expériences, nous ne le savons pas. Ces types d'études nécessitent des populations beaucoup plus grandes.
So I'm going to leave you with a final note about the complexity of the brain and how much more we have to go. I think these resources are incredibly valuable. They give researchers a handle on where to go. But we only looked at a handful of individuals at this point. We're certainly going to be looking at more. I'll just close by saying that the tools are there, and this is truly an unexplored, undiscovered continent. This is the new frontier, if you will. And so for those who are undaunted, but humbled by the complexity of the brain, the future awaits.
Je vais donc vous laisser sur une dernière pensée sur la complexité du cerveau et combien il nous reste à faire. Je pense que ces ressources sont extrêmement précieuse. Elles donnent aux chercheurs la possibilité de savoir où aller. Mais nous avons seulement étudié une poignée d'individus à ce stade. Nous allons certainement en étudier plus. Je terminerai en vous disant que les outils sont là, et que c'est vraiment un continent inexploré à découvrir. C'est la nouvelle frontière, si vous voulez. Et pour ceux qui sont intrépides, mais humbles devant la complexité du cerveau, l'avenir vous attend.
Thanks.
Merci.
(Applause)
(Applaudissements)